Startupy AI kodują przyszłość – i generują straty

Zdjęcie: Sztuczna inteligencja, technologia

Dwa lata po debiucie ChatGPT tylko nieliczne segmenty generatywnej sztucznej inteligencji zaczynają przynosić wymierne rezultaty. Jednym z najbardziej obiecujących jest kodowanie wspomagane przez AI – obszar, który przyciąga ogromne inwestycje, spektakularne wyceny i zainteresowanie gigantów technologicznych. Jednak pod powierzchnią entuzjazmu kryje się niepewny model biznesowy i wyścig z czasem.

Startupy takie jak Cursor czy Windsurf – twórca Codeium – osiągnęły imponujące tempo wzrostu. Ten pierwszy pozyskał 900 mln dol. przy wycenie 10 mld dol., drugi może zostać przejęty przez OpenAI za 3 mld dol. Oba generują dziesiątki milionów dolarów przychodów rocznie, mimo iż powstały zaledwie kilkanaście miesięcy temu. Przykład Cursor, który w dwa lata osiągnął 100 mln dol. przychodów rocznych, jest modelowy dla „gorączki złota” na rynku AI dla developerów.

Ale rentowność pozostaje nieuchwytna. Większość startupów opiera się na modelach AI dostarczanych przez OpenAI, Anthropic czy DeepSeek, a koszt pojedynczego zapytania rośnie wraz z jakością modelu. Źródła zbliżone do inwestorów potwierdzają, iż mimo przychodów, startupy takie jak Cursor czy Windsurf działają z ujemną marżą brutto – oznacza to, iż każda nowa linijka wygenerowanego kodu generuje stratę.

Presja rośnie nie tylko ze strony inwestorów, ale i dużych graczy. Microsoft, Amazon i Google już wdrażają rozwiązania do automatycznego generowania kodu na ogromną skalę. GitHub Copilot – według szacunków – wygenerował w 2024 roku ponad 500 mln dol. przychodu i ma 15 mln użytkowników. Jednocześnie AI odpowiada już za 20–30% kodu tworzonego w Microsoft i Google, a Amazon chwali się oszczędnością „4500 lat pracy programisty”.

Oznacza to nie tylko transformację procesu tworzenia oprogramowania, ale i realne zagrożenie dla stanowisk entry-level w IT. Dane Signalfire pokazują, iż liczba zatrudnionych w technologii z mniej niż rocznym doświadczeniem spadła o 24% w ciągu roku.

Inwestorzy liczą, iż startupy AI do kodowania zdobędą szybciej wystarczającą liczbę użytkowników, by ustawić się w roli standardu. Ale ich zależność od zewnętrznych dostawców modeli i wysokie koszty infrastruktury – zwłaszcza przy próbie trenowania własnych LLM-ów – sprawiają, iż ta strategia jest ryzykowna. Niektóre, jak Poolside czy Magic Dev, zebrały setki milionów dolarów, ale wciąż nie wypuściły finalnych produktów.

Kodowanie wspomagane przez AI to zatem nie tylko pole walki startupów z gigantami, ale też test odporności ich modeli biznesowych. Prawdziwe pytanie nie brzmi: „czy AI będzie pisać kod?”, ale: „kto na tym zarobi i kto przetrwa pierwszą korektę na rynku?”. Dziś to jeszcze nie jest wyścig o najlepszy algorytm. To wyścig o czas.